통계 결과를 해석하다 보면
익숙해서 더 쉽게
잘못 이해하는 용어들이 있습니다.
특히
‘유의하다’
라는 표현은
논문에서 정말 자주 등장합니다.
그런데 통계적 유의성은
우리가 일상에서 사용하는
‘중요하다’와는 조금 다른 의미입니다.
1️⃣ ‘유의하다’ = 중요하다?
“통계적으로 유의한 결과가 나타났다.”
이 문장을
“중요한 결과가 나왔다.”
라고 이해하기 쉽습니다.
하지만 통계적 유의성은
설정한 유의수준을 기준으로
귀무가설에 대한 증거를 판단하는 개념입니다.
👉 유의함 = 중요함
이라고 바로 해석해서는 안 됩니다.
2️⃣ p<.05 = 효과가 크다?
p값이 작다고 해서
효과가 큰 것도 아닙니다.
표본이 매우 많으면
아주 작은 차이도
통계적으로 유의하게
나타날 수 있습니다.
실제 차이가 얼마나 큰지는
효과크기(Effect Size) 를
함께 확인해야 합니다.
3️⃣ p>.05 = 아무 관계도 없다?
이것도 자주 하는 오해입니다.
유의하지 않았다는 것은
이번 연구에서 충분한 통계적 증거를
확보하지 못했다는 의미이지,
“효과가 0이다.”
“두 변수는 절대 관계가 없다.”
라고 증명한 것은 아닙니다.
표본 수나 측정 방식 등도
함께 살펴봐야 합니다.
4️⃣ 상관관계 = 인과관계?
두 변수의 상관관계가 높으면
한 변수가 다른 변수의
원인이라고 생각하기 쉽습니다.
하지만
아이스크림 판매량과 냉방기 사용량이
함께 증가한다고 해서
아이스크림이 냉방기 사용의
원인은 아닙니다.
🌡️ ‘기온’처럼
두 변수 모두에 영향을 주는
다른 요인이 존재할 수 있습니다
5️⃣ ‘설명력’도 100%로 오해하면 안 됩니다
회귀분석에서
R²가 0.40이라면
모형이 종속변수 변동의
40%를 설명한다는 의미입니다.
그렇다고
“이 연구가 현상을 40% 정확하게 예측한다.”
라고 해석하는 것은 다릅니다.
통계 용어는
일상적인 단어의 의미와
구분해서 이해해야 합니다.
🔥 핵심 정리
통계 용어는
익숙한 단어처럼 보여도
정확한 의미는 다를 수 있습니다.
👉 숫자를 읽는 것만큼, 그 숫자가 무엇을 의미하는지 정확하게 이해하는 것이 중요합니다.
📌 이렇게 보면 됩니다
✔ 유의함 ≠ 중요함
✔ 작은 p값 ≠ 큰 효과
✔ p>.05 ≠ 효과가 없다는 증명
✔ 상관관계 ≠ 인과관계
✔ 설명력 ≠ 예측 정확도
👀 많이 틀리는 포인트
p<.05면 중요한 연구라고 생각하기 ❌
p값으로 효과의 크기까지 판단하기 ❌
유의하지 않으면 관계가 없다고 단정하기 ❌
상관관계를 원인과 결과로 해석하기 ❌
👉 좋은 통계분석은
용어를 많이 사용하는 분석이 아니라, 통계적 의미를 정확하게 이해하고 해석하는 분석입니다.
